Pratica

La generazione che non avremo formato

Automatizzare il lavoro junior può conservare il sapere e rompere il meccanismo che formava gli esperti.

Ecco una domanda che quasi nessuna professione esperta si è mai posta, per la semplice ragione che non le si era mai posta: una professione può conservare il proprio sapere pur cessando di produrre le persone capaci di comprenderlo, contestarlo e rinnovarlo? La domanda sembra astratta. Sta diventando, sotto l’effetto dell’intelligenza artificiale, una delle più concrete e urgenti che esistano. Perché tutte le professioni esperte condividono un meccanismo di riproduzione discreto, mai formalizzato, che l’IA viene precisamente a disfare.

Questo meccanismo si riassume in una frase, e questa frase vale per il diritto come per la medicina, l’aviazione, l’architettura o l’ingegneria: ogni professione fabbrica i propri esperti facendo fare ai principianti il lavoro che gli esperti non fanno più. Il chirurgo navigato non apre più, non sutura più i gesti elementari; lo specializzando lo fa, ed è facendolo che diventa chirurgo. Il comandante non compila più le verifiche di routine; il copilota le fa, ed è facendole che impara a comandare. Il socio non redige più la prima versione né confronta le clausole; il collaboratore lo fa, ed è facendolo che impara a giudicare. Ovunque, il principiante eredita il lavoro di cui l’esperto si è liberato, e questo lavoro è esattamente ciò che lo trasforma in esperto.

Ogni professione fabbrica i propri esperti facendo fare ai principianti il lavoro che gli esperti non fanno più.

Il meccanismo che nessuno aveva formalizzato

Questo meccanismo ha una proprietà notevole: non è mai stato concepito. Nessuna professione lo ha istituito deliberatamente; si è imposto da sé, come conseguenza naturale della divisione del lavoro tra chi sa e chi impara. Si affidavano ai principianti le mansioni più basse per economia, perché sarebbe stato assurdo impiegarvi gli esperti, e la formazione veniva in sovrappiù, senza che la si fosse voluta né nominata. Il sistema fabbricava i propri esperti come effetto collaterale della sua produzione corrente, e questa apparente gratuità mascherava una dipendenza profonda: ogni professione si riproduceva dal basso, attraverso il lavoro che tutti giudicavano il meno nobile.

Poiché non è mai stato concepito, questo meccanismo è fragile di una fragilità particolare: può essere distrutto senza che nessuno lo abbia deciso, semplicemente ritirando le mansioni che lo sostenevano. Ora, è esattamente ciò che fa l’automazione. Quando una macchina prende in carico la sutura elementare, la verifica di routine, la prima ricerca, la prima versione, rende un servizio evidente, e nessuno pensa a lamentarsene. Ma ritira, con lo stesso gesto, il supporto materiale attraverso cui un principiante diventava esperto. Il lavoro visibile è assorbito; la formazione invisibile che vi si annidava scompare con esso, in silenzio, senza decisione, senza che nulla negli indicatori lo segnali.

Il diritto affronta questa dinamica presto, perché l’IA vi automatizza in fretta le mansioni junior: ricerche, revisioni, confronti di clausole, prime versioni, sintesi. Ma sarebbe falso credere il fenomeno proprio del diritto. Insidia ogni professione di cui l’IA saprà eseguire il lavoro d’ingresso. La medicina assistita, l’ingegneria assistita, la consulenza assistita incontreranno la stessa erosione, solo differita nel tempo. Il diritto non è l’eccezione; è l’avamposto, il luogo in cui si può osservare, in anticipo, ciò che attende tutte le professioni esperte quando la macchina assorbe il lavoro attraverso cui si riproducevano.

Si può misurare la portata del fenomeno osservando che non dipende né dal mestiere né dalla natura delle mansioni, ma da una struttura comune a tutte le competenze. Ovunque, l’esperto è colui che ha cessato di fare il lavoro elementare perché lo ha superato; ovunque, il principiante è colui a cui questo lavoro tocca, e che ne risulta formato. Questa struttura è così generale da attraversare mestieri che non hanno nient’altro in comune: una sala operatoria, una cabina di pilotaggio, uno studio, un ufficio tecnico obbediscono allo stesso principio di riproduzione. È proprio perché questo principio è universale che l’automazione del lavoro d’ingresso pone, a tutte queste professioni insieme, la stessa minaccia silenziosa.

Questo meccanismo non è mai stato concepito. È per questo che può essere distrutto senza che nessuno lo abbia deciso.

Il paradosso della qualità

Un paradosso rende la distruzione ancora più difficile da percepire. Nel breve termine, l’IA innalza la qualità media del lavoro dei principianti. Il collaboratore assistito produce una ricerca migliore, lo specializzando assistito commette meno errori, il giovane ingegnere assistito consegna un calcolo più pulito. Vista dalla qualità immediata, l’automazione è un progresso netto, ed è ciò che mostrano tutti gli indicatori che si guardano. Nulla, nei cruscotti, segnala il problema; al contrario, tutto vi sembra migliorare, il che è il modo più sicuro di non vedere arrivare il pericolo.

Perché questo innalzamento della qualità immediata si paga con un’erosione della formazione profonda. Il principiante il cui lavoro è fatto, o pre-fatto, dalla macchina ottiene un risultato migliore senza aver percorso il cammino che, solo, deposita il giudizio. Consegna meglio e impara meno. Alla scala di una mansione, il guadagno è reale; alla scala di una carriera, la perdita è mascherata dal guadagno, il che la rende quasi impossibile da percepire finché si misura solo il deliverable. Si produce una generazione che consegna, a parità di età, un lavoro di qualità superiore alla precedente, e che tuttavia avrà imparato meno a giudicare da sé.

Il paradosso completo è allora il seguente: l’IA si appoggia sull’expertise accumulata da una generazione, quella degli esperti formati alla vecchia maniera che sanno supervisionarla e correggerla, sopprimendo al contempo le esperienze che permetterebbero alla generazione successiva di acquisire la stessa expertise. Funziona perché esistono ancora esperti per tenerla; compromette la fabbricazione degli esperti che dovranno tenerla domani. Ogni professione che automatizza il proprio lavoro d’ingresso vive così di un capitale di competenza che non aiuta più a rinnovare, e questo debito si dichiara solo quando la generazione formata alla vecchia maniera se ne va.

Questo ritardo tra la causa e il suo effetto è ciò che rende il fenomeno così temibile. Una professione può automatizzare il proprio lavoro d’ingresso oggi e sentirne le conseguenze solo tra quindici o vent’anni, quando la generazione formata alla vecchia maniera andrà in pensione senza essere stata sostituita in modo identico. Nel frattempo, tutto sembrerà andare per il meglio: deliverable di qualità migliore, costi ridotti, principianti apparentemente più performanti. Il segnale d’allarme apparirà solo nel momento in cui bisognerà, per la prima volta, appoggiarsi su esperti che non saranno stati fabbricati dal vecchio meccanismo, e si scoprirà che non sanno ciò che i loro anziani sapevano. A quel punto, la correzione richiederà un’intera generazione, perché non si recupera in due anni un cammino di formazione che ne richiedeva quindici.

L’IA vive dell’expertise di una generazione, sopprimendo al contempo le esperienze che formerebbero la successiva.

Ciò che il percorso depositava davvero

Per cogliere la posta in gioco, bisogna essere precisi su ciò che il percorso depositava, perché non era sapere nel senso delle nozioni. Le nozioni, un principiante le ha già uscendo dall’università. Ciò che gli manca, e che solo il lavoro dà, è di un altro ordine: la capacità di riconoscere, in un caso concreto, quale dei principi appresi si applica e quale inganna; il senso del pericolo, quell’allarme interiore che fa sì che un professionista esperto sappia, prima di poterlo spiegare, che una situazione non va. Questo senso non si insegna, si contrae, per esposizione ripetuta a casi reali e per la correzione dei propri errori.

Ora, è esattamente questa esposizione che il lavoro d’ingresso forniva, e che l’automazione ritira. Ogni ricerca fallita poi ripresa, ogni gesto dapprima maldestro poi corretto, ogni prima versione demolita da un anziano era un’occasione per contrarre questo senso. Il principiante non imparava riuscendo, imparava sbagliando sotto supervisione, in un contesto in cui l’errore era permesso perché sarebbe stato recuperato. Ritirare le mansioni significa ritirare le occasioni di sbagliare utilmente, e dunque il meccanismo stesso attraverso cui il giudizio si forma. Non si perde un semplice esercizio; si perde il diritto all’errore formativo, che è il cuore di ogni apprendimento esperto.

È ciò che distingue la formazione profonda da un trasferimento di informazione. Si può spiegare a un principiante perché una data situazione è pericolosa; lo ricorderà, ma non lo saprà nel modo in cui lo sa chi è stato una volta intrappolato. Il sapere trasmesso per spiegazione resta esterno, disponibile ma freddo; il sapere contratto per esperienza diventa un riflesso, disponibile sotto pressione, nell’urgenza, quando non c’è più tempo di ragionare. È questo secondo sapere, l’unico che tiene nel fuoco di un caso reale, che il percorso depositava e che nulla, per ora, sostituisce.

Non si impara a giudicare riuscendo, ma sbagliando sotto supervisione. L’IA ritira precisamente queste occasioni.

Riprodurre, non conservare

Sarebbe facile, e falso, concludere che bisogna preservare artificialmente il lavoro ripetitivo per continuare a formare i principianti. Questa risposta è difensiva, poco credibile, insostenibile: nessuna professione rinuncerà a un guadagno reale per mantenere un esercizio pedagogico travestito, e nessun cliente, nessun paziente, nessun passeggero accetterà di pagare un’inefficienza in nome della formazione. Rimpiangere il mondo di prima non forma nessuno. La vera domanda non è come trattenere ciò che se ne va, ma come ricostruire, altrimenti, la funzione che questo lavoro assolveva senza che la si fosse mai organizzata.

E poiché questa funzione non è mai stata concepita, la si può finalmente concepire. Là dove la formazione si depositava per caso nel lavoro d’ingresso, essa deve ormai essere portata da un’architettura esplicita di trasmissione, pensata, voluta, iscritta nel modo stesso in cui l’automazione è dispiegata. Rendere visibile il ragionamento che ha condotto al risultato, e non solo il risultato. Mostrare le opzioni scartate tanto quanto quella scelta, perché è nella cernita che si forma il giudizio. Organizzare una delega progressiva secondo il livello. Trasformare la verifica in un esercizio di apprendimento. Conservare momenti in cui il principiante formula la propria posizione prima di vedere quella della macchina, perché pensi ancora da sé. Il caso che formava gli esperti è scomparso; bisogna sostituirlo con un dispositivo, e nulla vieta che faccia meglio del caso.

Resta allora la domanda dell’inizio, che non era retorica. Una professione può benissimo conservare il proprio sapere e cessare, al tempo stesso, di produrre le persone capaci di comprenderlo, contestarlo e rinnovarlo. Sarebbe anzi l’esito predefinito, quello verso cui si scivola se non si decide nulla: professioni che mantengono i propri metodi e i propri archivi, ma di cui più nessuno, alla lunga, sa davvero perché siano giusti né come farli evolvere. Conservare un sapere e riprodurre coloro che lo portano sono due cose distinte; l’automazione eccelle nella prima e minaccia la seconda. La riproduzione di una professione non è la conservazione del suo sapere: è la fabbricazione continua delle menti capaci di giudicarlo, ed è questo, non le mansioni, che oggi bisogna decidere di salvare.

Conservare un sapere e riprodurre coloro che sanno giudicarlo sono due cose distinte. L’automazione riesce nella prima e minaccia la seconda.